ارزیابی میزان برخورداری مناطق شهری از سرانه کاربری های خدماتی با رویکرد ارتقاء تاب آوری در برابر کووید-۱۹ (مورد مطالعاتی: کلانشهر تهران)

Publish Year: 1405
نوع سند: مقاله ژورنالی
زبان: Persian
View: 79

This Paper With 22 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_RECI-9-1_005

تاریخ نمایه سازی: 1 تیر 1405

Abstract:

با توجه به نقش حیاتی کاربری های خدماتی در پاسخگویی به نیازهای اساسی و ضروری شهروندان، دسترسی عادلانه، متوازن و مطلوب مناطق شهری به این خدمات و توزیع فضایی هوشمندانه و استراتژیک آن ها، نه تنها به رفاه عمومی شهروندان کمک می کند، بلکه بر ارتقاء و بهبود تاب آوری شهری در مواجهه با مخاطرات محیطی، به ویژه شیوع بیماری های مسری و دیگر بحران های بهداشتی، تاثیرگذار است. برنامه ریزی شهری کارآمد در این زمینه با تمرکز بر توزیع بهینه خدمات در سطح محله ها و مناطق، می تواند نقشی اساسی در ارتقای کیفیت زندگی و تقویت سلامت و امنیت عمومی ایفا کند. در این راستا، هدف اصلی پژوهش حاضر ارزیابی میزان برخورداری مناطق ۲۲گانه شهر تهران از سرانه کاربری های خدماتی به منظور ارتقاء تاب آوری شهری در برابر بحران های بهداشتی مانند بیماری های همه گیر، از جمله کووید-۱۹، است. پژوهش از نظر هدف، کاربردی و روش آن توصیفی- تحلیلی مبتنی بر داده های کمی گردآوری شده از طرح ها و آمارنامه های موجود می باشد. تجزیه و تحلیل داده ها با کاربست مدل ترکیبی SWARA-COPRAS صورت گرفته است و جهت ترسیم نقشه ها از نرم افزار GIS استفاده شده است. نتایج پژوهش نشان داده است که عدالت در برخورداری از سرانه کاربری های خدماتی در کلانشهر تهران رعایت نشده است و متاثر از توزیع نامتعادل و نابرابر سرانه این کاربری ها در سطح مناطق ۲۲گانه کلانشهر تهران، میزان خودکفایی مناطق و در پی آن، سطح تاب آوری شهروندان هر منطقه در مواجهه با شرایط اضطراری و دوره های قرنطینه ناشی از همه گیری کووید-۱۹ متفاوت می باشد.

Authors

محمدحسین پورحسن زاده

گروه شهرسازی، دانشکده معماری و شهرسازی، دانشگاه هنر اصفهان، اصفهان، ایران

مجتبی آراسته

استادیار گروه شهرسازی، دانشکده هنر و معماری، دانشگاه شیراز، شیراز، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :